4、攝像機(jī)開始新的一幀掃描之前打開曝光機(jī)構(gòu)，曝光時(shí)間可以事先設(shè)定。

　　5、另一個(gè)啟動(dòng)脈沖打開燈光照明，燈光的開啟時(shí)間應(yīng)該與攝像機(jī)的曝光時(shí)間匹配。

　　6、攝像機(jī)曝光后，正式開始一幀圖像的掃描和輸出。

　　7、圖像部分接收模擬視頻信號(hào)將其數(shù)字化，或者是直接接收攝像機(jī)數(shù)字化后的數(shù)字視頻數(shù)據(jù)。

　　8、圖像部分將數(shù)字圖像存放在處理器或計(jì)算機(jī)的內(nèi)存中。

　　9、處理器對(duì)圖像進(jìn)行處理、分析、識(shí)別，獲得測量結(jié)果或邏輯控制值。

　　10、處理結(jié)果控制流水線的動(dòng)作、進(jìn)行定位、糾正運(yùn)動(dòng)的誤差等。

　　以上內(nèi)容就是對(duì)CCD視覺檢測設(shè)備及其工作原理的介紹了，視覺檢測系統(tǒng)是一種相對(duì)復(fù)雜的系統(tǒng)。大多監(jiān)控和檢測對(duì)象都是運(yùn)動(dòng)的物體，系統(tǒng)與運(yùn)動(dòng)物體的匹配和協(xié)調(diào)動(dòng)作尤為重要，所以給系統(tǒng)各部分的動(dòng)作時(shí)間和處理速度帶來了嚴(yán)格的要求。 

為了實(shí)現(xiàn)外觀缺陷自動(dòng)檢測,研究了基于機(jī)器視覺技術(shù)的外觀缺陷檢測系統(tǒng)。首先針對(duì)外觀缺陷圖像特點(diǎn),分析了采用灰度閾值及單一顏色模型分割缺陷的局限性,提出基于混合顏色模型的缺陷圖像分割方法,實(shí)現(xiàn)了外觀缺陷快速、準(zhǔn)確分割;然后通過分析外觀缺陷特點(diǎn),分別從形狀、顏色和紋理共選取了12個(gè)類別差異明顯的特征參數(shù),提取了外觀缺陷特征;后選擇BP神經(jīng)網(wǎng)絡(luò)作為缺陷分類器,根據(jù)經(jīng)驗(yàn)和實(shí)驗(yàn)確定了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及參數(shù),并分析了傳統(tǒng)BP算法在外觀缺陷分類應(yīng)用中的不足,通過改變收斂標(biāo)準(zhǔn)、自適應(yīng)調(diào)整步長和引入動(dòng)量項(xiàng)以優(yōu)化BP算法,改善了神經(jīng)網(wǎng)絡(luò)分類效果。

設(shè)計(jì)了基于機(jī)器視覺的智能大輸液異物在線檢測系統(tǒng),該系統(tǒng)可以實(shí)現(xiàn)灌裝后大輸液瓶中雜質(zhì)的檢測;研究了該檢測系統(tǒng)的基本構(gòu)成,工作原理以及一些關(guān)鍵圖像處理技術(shù);該檢測系統(tǒng)采用特殊的硬件檢測平臺(tái),讓雜質(zhì)與瓶身作相對(duì)運(yùn)動(dòng),再利用的光學(xué)成像系統(tǒng)獲取運(yùn)動(dòng)異物的序列圖像,通過圖像預(yù)處理、運(yùn)動(dòng)目標(biāo)提取、運(yùn)動(dòng)目標(biāo)分割和圖像識(shí)別與判斷這四個(gè)步驟完成對(duì)異物的檢測;實(shí)驗(yàn)表明該系統(tǒng)可快速的檢測出大輸液溶液巾所含的多種雜質(zhì),準(zhǔn)確度高,實(shí)時(shí)性強(qiáng).

機(jī)器視覺芯片出現(xiàn)細(xì)分。CV芯片將隨著應(yīng)用領(lǐng)域不同而出現(xiàn)細(xì)分，如分為的自動(dòng)駕駛CV芯片、導(dǎo)航CV芯片、AR/VR應(yīng)用CV芯片等。因?yàn)樵谀硞€(gè)特殊領(lǐng)域，隨著機(jī)器視覺算法應(yīng)用需求越來越多，必然帶來成本的需求，以增加產(chǎn)品的利潤，所以，在CV芯片上做costdown，裁減非本領(lǐng)域的應(yīng)用功能，并不斷深化該領(lǐng)域應(yīng)用是必然的。